收藏本站
《大连海事大学》 2006年
收藏 | 手机打开
二维码
手机客户端打开本文

空间数据挖掘分类算法的研究

牛洪琦  
【摘要】:随着计算机技术特别是数据库技术的迅猛发展,以及人类活动范围的扩展、生活节奏的加快,人们能以更快速更容易更廉价的方式获取和存储数据,这就使得数据及其信息量以指数方式增长。面对这些极度膨胀的数据,人们受到“信息爆炸”和“数据过剩”(Data Glut)的巨大压力。这些海量数据如果不能有效利用起来,将只会成为“数据垃圾”。对人类社会进步起到巨大作用的是知识。 数据挖掘就是从大量数据中发现潜在规律、提取有用知识的方法和技术。数据挖掘包含的内容很多,其中很重要的一个方面是分类规则挖掘。分类规则可以根据训练数据,利用适当的算法训练出分类器,从而对新的未知样本做出预测。支持向量机是基于统计学习理论的一种新的分类方法。同其它分类器相比,支持向量机具有很好的推广性能,对未知样本的预测有较高的准确率,因此得到广泛应用。 本文首先将可拓学基元理论应用与对象之间的空间关系。将支持向量机理论应用于对空间数据进行分类,简单的支持向量机只能处理二值分类问题,本文在己有多分类支持向量机基础上,将支持向量机基理论与传统的二叉树分类方法结合,提出了基于距的二叉树多类SVM算法,并且通过实验验证了算法的有效性。
【学位授予单位】:大连海事大学
【学位级别】:硕士
【学位授予年份】:2006
【分类号】:TP311.13

知网文化
【相似文献】
中国期刊全文数据库 前10条
1 罗娜;;数据挖掘中的新方法——支持向量机[J];软件导刊;2008年10期
2 蒋波涛;赵福宇;;核工程中的数据挖掘[J];核动力工程;2009年04期
3 宋京;;基于相空间重构的支持向量机异常金融交易识别算法[J];中南财经政法大学研究生学报;2008年01期
4 曾绍华;魏延;曹长修;;数据挖掘的一类目标变量的定义及应用研究[J];西南农业大学学报(自然科学版);2006年04期
5 曾绍华;魏延;;供应商评价的支持向量机模型及应用研究[J];重庆师范大学学报(自然科学版);2007年01期
6 曲文龙;樊广佺;杨炳儒;;基于支持向量机的复杂时间序列预测研究[J];计算机工程;2005年23期
7 王国胜;;基于支持向量机的数据挖掘技术[J];德州学院学报;2007年02期
8 王国胜;;基于支持向量机的数据挖掘研究[J];计算机工程;2008年08期
9 梁志荣;;应用于数据挖掘分类算法的SVM研究[J];福建电脑;2007年06期
10 胡金莲;;支持向量机的光滑与逼近关系研究[J];东莞理工学院学报;2008年01期
中国重要会议论文全文数据库 前10条
1 韩泉东;胡小平;李舟军;李京浩;;决策树和支持向量机在液体火箭发动机故障诊断中的应用[A];2006年全国理论计算机科学学术年会论文集[C];2006年
2 赵丽;杨利彬;;基于支持向量机的供应商合作伙伴选择[A];全国第九届企业信息化与工业工程学术会议论文集[C];2005年
3 曲文龙;吴春尧;杨炳儒;张海军;;基于小波和支持向量机的多尺度时间序列预测[A];2005中国控制与决策学术年会论文集(下)[C];2005年
4 郭学军;陈晓云;;粗集方法在数据挖掘中的应用[A];第十六届全国数据库学术会议论文集[C];1999年
5 林杰华;张斌;李冬森;宋华茂;余志强;王浩;;支持向量机在电力客户信用评级中的应用[A];全国第21届计算机技术与应用学术会议(CACIS·2010)暨全国第2届安全关键技术与应用学术会议论文集[C];2010年
6 蒋铁军;张怀强;李积源;;多变量系统预测的支持向量机方法研究[A];管理科学与系统科学研究新进展——第7届全国青年管理科学与系统科学学术会议论文集[C];2003年
7 沈勇;颜建军;王忆勤;许朝霞;刘国萍;夏春明;李福凤;燕海霞;郭睿;;基于数据挖掘的中医信息处理方法研究概述[A];中华中医药学会中医诊断学分会第十次学术研讨会论文集[C];2009年
8 徐慧;;基于Web的文献数据挖掘[A];第十七届全国数据库学术会议论文集(技术报告篇)[C];2000年
9 黄淑云;孙兴玉;梁汝萍;邱建丁;;基于小波支持向量机预测蛋白质亚细胞定位研究[A];第十一届全国计算(机)化学学术会议论文摘要集[C];2011年
10 谢湘;匡镜明;;支持向量机在语音识别中的应用研究[A];现代通信理论与信号处理进展——2003年通信理论与信号处理年会论文集[C];2003年
中国重要报纸全文数据库 前10条
1 李开宇 黄建军 田长春;把“数据挖掘”作用发挥出来[N];中国国防报;2009年
2 华莱士;“数据挖掘”让银行赢利更多[N];国际金融报;2003年
3 记者 晏燕;数据挖掘让决策者告别“拍脑袋”[N];科技日报;2006年
4 □中国电信股份有限公司北京研究院 张舒博 □北京邮电大学计算机科学与技术学院 牛琨;走出数据挖掘的误区[N];人民邮电;2006年
5 张立明;数据挖掘之道[N];网络世界;2003年
6 中圣信息技术有限公司 李辉;数据挖掘在CRM中的作用[N];中国计算机报;2001年
7 田红生;数据挖掘在CRM中的应用[N];中国经济时报;2002年
8 王广宇;数据挖掘 加速银行CRM一体化[N];中国计算机报;2004年
9 周蓉蓉;数据挖掘需要点想像力[N];计算机世界;2004年
10 张舒博;数据挖掘 提升品牌的好帮手[N];首都建设报;2009年
中国博士学位论文全文数据库 前10条
1 张英;基于支持向量机的过程工业数据挖掘技术研究[D];浙江大学;2005年
2 宋杰;生物信息数据挖掘中的若干方法及其应用研究[D];大连理工大学;2005年
3 刘东升;面向连锁零售企业的客户关系管理模型(R-CRM)研究[D];浙江工商大学;2008年
4 郑广勇;哺乳动物转录因子及其靶基因的挖掘分析[D];复旦大学;2009年
5 田江;基于支持向量机的孤立点检测方法研究[D];大连理工大学;2009年
6 李智勇;电力系统运行信息的数据挖掘研究[D];浙江大学;2009年
7 常甜甜;支持向量机学习算法若干问题的研究[D];西安电子科技大学;2010年
8 孙丽;工艺知识管理及其若干关键技术研究[D];大连交通大学;2005年
9 胡志坤;复杂有色金属熔炼过程操作模式智能优化方法研究[D];中南大学;2005年
10 刘革平;基于数据挖掘的远程学习评价研究[D];西南师范大学;2005年
中国硕士学位论文全文数据库 前10条
1 牛洪琦;空间数据挖掘分类算法的研究[D];大连海事大学;2006年
2 赵卫华;基于支持向量机的移动电信行业客户流失预测研究[D];昆明理工大学;2006年
3 俞文洋;支持向量机在蛋白质结构预测中的应用研究[D];河南大学;2008年
4 李园;基于模糊聚类的支持向量机的分类算法研究[D];哈尔滨工程大学;2005年
5 俞瑛;数据仓库和数据挖掘在供水企业中的应用[D];合肥工业大学;2006年
6 赵辉;基于SVM的数据挖掘分类技术研究[D];西安电子科技大学;2008年
7 刘燕;SVM在个人房贷信用风险评估中的应用研究[D];大连理工大学;2006年
8 刘志强;基于数据挖掘的客户行为分析和预测研究[D];山东科技大学;2010年
9 韩叙东;基于支持向量机的水电故障分类器的设计与实现[D];东北大学;2008年
10 周振龙;支持向量机理论在文本分类中的应用研究[D];兰州理工大学;2007年
 快捷付款方式  订购知网充值卡  订购热线  帮助中心
  • 400-819-9993
  • 010-62791813
  • 010-62985026